7.5
深览指数
科技人人都是产品经理·Ai学习的老章··AI 生成
Gemini 4 终于给我用了，能不能脚踢 Claude Opus 5.5？
文章实测了Google新发布的Gemini 4 Argon模型，并与Claude Opus 5.5等旗舰模型在代码生成、3D渲染等任务上进行了对比。作者发现，在复杂动画和代码审计等外部真实场景中，Gemini 4 Argon表现不佳，得分垫底且存在高达51%的虚假声明率，远不如其内部宣传的性能。文章揭示了模型强依赖Google内部标准化工程体系，在外部开发者混乱的技术栈中，其上下文感知和精确度短板明显，不建议用于实际项目开发。适合关注大模型真实能力、尤其是工程应用边界的读者阅读。原文 ↗
核心观点
- ▍Gemini 4 Argon在Google内部工程体系中表现惊艳，但在外部开发者真实的、非标准化的项目中，其表现垫底且虚假声明率高达51%，不应被用于实际项目。
- 01在海外博主Theo的生产级T3代码库盲测中，Gemini 4 Argon以3.95分垫底，而Claude Opus 5.5以8.40分高居榜首。
- 02Gemini 4 Argon在Theo的92项系统断言中有47项属于捏造，虚假声明率高达51%，远高于Claude Opus 5.5的5%。
- 03在Three.js 3D渲染构建埃菲尔铁塔的测试中，Gemini 4 Argon构建的模型底层结构畸变，空间感和精确度不如Claude Opus 5.5、GPT-6 Astra和Kimi K3。
- 04作者实测复杂动画任务，Gemini 4 Argon思考过程长达半小时，结果粗糙，且一次任务消耗了30%以上的周配额。
- 05Google官方博客声称内部10万+工程师重度使用，代码产出4周内激增35%，回滚率下降30%，并解决了YouTube、Wing等多个内部系统的实际问题。
- 06Google内部的成功依赖于其全球顶级的标准化工程体系，包括Monorepo、遥测监控、海量测试用例等，外部开发者难以复制。
反方 / 局限
- — 作者指出，Gemini 4 Argon在超大上下文信息提取、长篇技术文档梳理以及多模态综合分析等领域，依然具备Google的深厚底蕴，并非毫无亮点。
- — 文章承认，模型在Google内部的巨大成功可能源于其与内部体系的深度耦合，而非模型本身具备普适性的强大能力。
Gemini 4 ArgonClaude Opus 5.5GPT-6 SolGPT-6 AstraKimi K3Antigravity CLITheoBhavaniGoogleThree.jsMonorepo
8 分钟 · 4 卡片 · 9 资料
读原文 →